Gerente de IA

• Sólida experiencia en ingeniería de software en entornos de producción

• Experiencia práctica diseñando y desplegando soluciones de IA agéntica en un entorno de producción: no negociable

• Experiencia demostrada con frameworks de orquestación agéntica: LangGraph, CrewAI, AutoGen o equivalentes, con profundidad de producción, no a nivel de tutorial

• Experiencia directa llamando a APIs de LLM (OpenAI, Anthropic, Vertex AI) en código de producción: abstracción de proveedores, gestión de tokens, y compromisos entre latencia y costes

• Responsabilidad sobre pipelines de RAG: embeddings, estrategia de chunking, bases de datos vectoriales e ingeniería de contexto

• Fundamentos de LLMOps: diseño de eval harness, versionado de prompts y observabilidad en producción

• Madurez en ingeniería cloud-native: Kubernetes, Docker, microservicios, serverless, CI/CD e IaC (Terraform o Helm)

• Python sólido; Java o lenguaje backend equivalente aceptable; experiencia en depuración y observabilidad en producción

• La calidad de la experiencia tiene más peso que los años; se preferirá a un candidato que haya lanzado tres sistemas agénticos de producción en cuatro años frente a un generalista con exposición pasiva a la IA

• Responsabilidades de liderazgo de personas: experiencia gestionando, desarrollando y evaluando el rendimiento de un equipo de ingenieros; establecer planes de desarrollo individual y realizar conversaciones de carrera

Tú construyes los sistemas que realmente hacen que la IA funcione en entornos empresariales; no demos, ni prototipos que se estancan tras un piloto, sino arquitecturas de agentes en producción que se ejecutan dentro de organizaciones de clientes reales. La diferencia entre un AI Engineer y lo que estamos buscando es sencilla: has lanzado un sistema multi-agente en producción, has sido responsable del eval harness y sabes qué ocurre cuando tu agente falla a las 2 de la mañana porque lo has vivido.

Como AI Engineer (Agentic/Applied), diseñarás, construirás y desplegarás sistemas de IA agéntica de grado de producción a través de todo el stack tecnológico empresarial. Trabajarás directamente con los equipos de ingeniería de los clientes, liderarás sesiones de diseño técnico y crearás patrones y aceleradores reutilizables que escalen más allá de proyectos individuales.

Este rol se sitúa en el corazón del mercado de talento de ingeniería de IA: la demanda crece más rápido que la oferta y seguirá haciéndolo. Ofrecemos lo que ninguna empresa de producto puede ofrecer: amplitud en cada industria, en cada stack tecnológico empresarial y en cada nivel de complejidad organizacional, combinado con acceso a programas de fellowship con proveedores dentro de los equipos de ingeniería de Anthropic, OpenAI, Microsoft y Google, y una vía directa al programa Forward Deployed Engineer.

• Arquitectar y gobernar sistemas agénticos de grado de producción a escala empresarial: orquestación multi-agente en entornos complejos, pipelines de RAG, enrutamiento basado en políticas, gestión de memoria y observabilidad del ciclo de vida a nivel de programa

• Definir estándares de pipelines de RAG en todos los proyectos: establecer estrategias de chunking y embedding, fijar puntos de referencia de calidad y asegurar que las decisiones de compromiso respaldadas por métricas estén documentadas y sean transferibles

• Establecer estándares de integración multi-LLM: arquitectura agnóstica al proveedor por defecto, enrutamiento de fallback y gobernanza de costes como práctica de diseño estándar entre proveedores, incluyendo OpenAI, Anthropic, Vertex AI y modelos de código abierto

• Liderar LLMOps a escala de programa: estrategia de evaluación, gobernanza de prompts, estándares de herramientas de observabilidad, monitorización de seguridad y controles de costes en múltiples sistemas concurrentes

• Liderar proyectos de ingeniería con clientes a nivel senior: facilitar sesiones de diseño de arquitectura, liderar la entrega de pruebas de concepto e impulsar la alineación entre el liderazgo tecnológico del cliente y los equipos de entrega

• Dar forma y publicar patrones reutilizables, aceleradores y estándares de ingeniería que escalen en toda la práctica y reduzcan el tiempo de adaptación en nuevos proyectos con clientes

• Responsabilizarse del marco de medición de la calidad de los sistemas agénticos: definir métricas de precisión, latencia, seguridad y costes; presentar el impacto de la IA a nivel de programa en términos de negocio a los stakeholders senior del cliente